Bayesian Nonparametrics for Causal Inference and Missing Data
Bayesian Nonparametrics for Causal Inference and Missing Data bietet einen Überblick über flexible Bayesian Nonparametric (BNP)-Methoden zur Modellierung gemeinsamer oder bedingter Verteilungen und funktionaler Beziehungen sowie deren Zusammenspiel mit kausaler Inferenz und fehlenden Daten. Dieses Buch unterstreicht die Bedeutung von nicht überprüfbaren Annahmen zur Identifizierung von interessierenden Schätzwerten, wie z. B. die Annahme des Fehlens von Zufallsdaten bei fehlenden Daten und der Unbegründetheit bei kausalen Schlussfolgerungen in Beobachtungsstudien. Im Gegensatz zu parametrischen Methoden kann der BNP-Ansatz mögliche Verletzungen von Annahmen berücksichtigen und die Bedenken hinsichtlich einer Fehlspezifikation des Modells minimieren. Die Gesamtstrategie besteht darin, zunächst BNP-Modelle für beobachtete Daten zu spezifizieren und dann zusätzliche nicht überprüfbare Annahmen zu spezifizieren, um die interessierenden Schätzgrößen zu ermitteln.
Das Buch ist in drei Teile gegliedert. Teil I entwickelt die Schlüsselkonzepte der kausalen Inferenz und fehlender Daten und gibt einen Überblick über die relevanten Konzepte der Bayes'schen Inferenz. Teil II führt in die grundlegenden BNP-Werkzeuge ein, die für die Behandlung von Problemen der kausalen Inferenz und fehlender Daten erforderlich sind. Teil III zeigt, wie der BNP-Ansatz in einer Vielzahl von Fallstudien angewendet werden kann. Die Datensätze in den Fallstudien stammen aus elektronischen Gesundheitsakten, Umfragedaten, Kohortenstudien und randomisierten klinischen Studien.
Merkmale.
- Gründliche Diskussion der BNP und ihres Zusammenspiels mit kausalen Schlussfolgerungen und fehlenden Daten.
- Wie BNP und g-Berechnung für kausale Inferenz und nicht ignorierbare fehlende Daten verwendet werden können.
- Ableitung und Kalibrierung von Sensitivitätsparametern zur Bewertung der Sensitivität gegenüber Abweichungen von nicht überprüfbaren kausalen und/oder Missingness-Annahmen.
- Detaillierte Fallstudien, die die Anwendung von BNP-Methoden auf kausale Inferenz und fehlende Daten illustrieren.
- R-Code und/oder Pakete zur Implementierung von BNP bei kausaler Inferenz und Problemen mit fehlenden Daten.
Das Buch richtet sich in erster Linie an Forscher und Doktoranden der Statistik und Biostatistik. Es dient auch als nützliche praktische Referenz für mathematisch anspruchsvolle Epidemiologen und medizinische Forscher.
| ISBN: | 9780367341008 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Hardcover |
| Erscheinungsjahr: | 2023 |
| Seitenzahl: | 248 |
Derzeit verfügbar, auf Lager.
